可解释机器学习 Task01-导论

已于 2022-12-14 01:25:19 修改
阅读量121 收藏
点赞数
分类专栏： Datewhale——可解释机器学习 文章标签： 人工智能 python
于 2022-12-14 01:18:58 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Insistence0807/article/details/128309982
版权

可解释机器学习 Task01-导论

一、什么是可解释机器学习（可解释人工智能）

传统人工智能的痛点

目前的人工智能与机器学习就像是一个黑盒子，我们目前大部分能够做到的就是调包、输入数据、调参，非常的难以作为。
在这里插入图片描述

可解释机器学习

可解释机器学习就是研究如何打开人工智能的黑箱子，洞悉人工智能的脑回路和注意力，进而解释它、了解它、改进它、信赖它，知其然也知其所以然。

二、为什么要学习可解释机器学习

  • 研究AI的脑回路，就是研究AI的本质
  • 研究AI的脑回路，就是研究AI的本质
  • 可解释分析是机器学习和数据挖掘的通用研究方法
  • 和所有AI方向交叉融合:数据挖掘、计算机视觉、自然语言处理、强化学习、知识图谱、联邦学习。
  • 包括但不限于:大模型、弱监督、缺陷异常检测、细粒度分类、决策AI和强化学习、图神经网络、AI纠偏、AI4Science、MachineTeaching、对抗样本、可信计算、联邦学习。

从 MachineLearning 到 MachineTeaching

人工智能的算法是通过大量数据的训练完成的，可以把从海量数据中提取到的微观的、人眼不易提取的特征交给人类，辅助人类学习（AI专家）。

例子

  • 腾讯绝艺围棋AI指导棋——以指导为目的与人类选手进行围棋博弈，其中右上角的非常破空手段值得人类学习。
    在这里插入图片描述
  • 百度制作的富春山居图的AI补全：
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
  • 人工智能帮助人类理解CT病灶所在区域
    在这里插入图片描述

三、本身可解释性好的机器学习算法

KNN分类

在这里插入图片描述

逻辑回归

在这里插入图片描述

决策树

在这里插入图片描述

特征重要性

在这里插入图片描述

四、深度学习的可解释性很差

以卷积神经网络为例

在这里插入图片描述

T4neYours
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
机器学习三大基本任务_Task01
Tinali_127的博客
03-15 547
1.导论 什么是机器学习？机器学习的一个重要的目标就是利用数学模型来理解数据，发现数据中的规律，用作数据的分析和预测。数据通常由一组向量组成，这组向量中的每个向量都是一个样本，我们用xix_ixi​来表示一个样本，其中i=1,2,3,...,Ni=1,2,3,...,Ni=1,2,3,...,N,共N个样本，每个样本xi=(xi1,xi2,...,xip,yi)x_i=(x_{i1},x_{i2},...,x_{ip},y_i)xi​=(xi1​,xi2​,...,xip​,yi​)共p+1个维度，前p个维
可解释机器学习-Task01-导论
1nnoh 的博客
12-16 435
什么是可解释人工智能？学可解释机器学习有什么用？如何对传统机器学习、深度学习做可解释性分析？
【机器学习】李宏毅 - 01 机器学习导论
wyw970624的博客
10-09 426
李宏毅机器学习/深度学习 Datawhale 打卡202210 Task 01
人工智能导论-机器学习
m0_73366745的博客
07-18 1105
本章主要介绍的机器学习的概念、发展历程、发展趋势、相关应用，着重拓展机监督学习和无监督学习的相关知识。重点：机器学习的定义和应用；难点：机器学习算法及分类。定义：机器学习（Machine Learning）本质上就是让计算机在数据中学习规律，并根据所得到的规律对未来数据进行预测。基本思路：让机器模仿人类学习行为的过程。如人类解决新问题一般是通过“经验归纳，总结规律，从而预测未来”的过程。NFL定理（No Free Lunch）一个算法A若在某些问题上比算法B好，必定存在一些特殊问题使得算法B比A 好。
【打卡笔记Task01】可解释机器学习之导论
weixin_43754226的博客
12-13 149
【DataWhale可解释机器学习打卡笔记】
【数学建模导论】Task04 机器学习
Sullivan-Hua 的博客
08-04 925
机器学习本身就是统计模型的延伸
斯坦福CS224W图机器学习Task01图机器学习导论
yyccx的博客
02-13 290
图的相关知识，所用编程工具，相关应用及发展。 CS224W子豪兄讲解视频笔记 Datawhale2023/02打卡
集成学习(上)：机器学习基础task1-熟悉机器学习的三大主要任务
菊头蝙蝠的博客
03-15 447
集成学习：机器学习基础1.导论1.1 回归1.2 分类1.3 无监督学习2. 使用sklearn构建完整的机器学习项目流程2.1 使用sklearn构建完整的回归项目 1.导论 什么是机器学习？机器学习的一个重要的目标就是利用数学模型来理解数据，发现数据中的规律，用作数据的分析和预测。数据通常由一组向量组成，这组向量中的每个向量都是一个样本，我们用xix_ixi​来表示一个样本，其中i=1,2,3,...,Ni=1,2,3,...,Ni=1,2,3,...,N,共N个样本，每个样本xi=(xi1,xi2,.
机器学习 导论_机器学习导论
cumudi0723的博客
07-24 255
机器学习 导论 什么是机器学习？ (What is Machine Learning?) Machine learning can be vaguely defined as a computers ability to learn without being explicitly programmed, this, however, is an older definition of machi...
第一章 导论机器学习.pptx
09-19
机器学习是计算机科学的一个分支，它致力于研究如何让计算机通过经验学习和改进，从而提高在特定任务上的性能。这一领域的核心在于三个要素：任务（Task）、性能度量（Performance Measure）和经验（Experience）。...
matlab说话代码-ML_hit:让我们开始研究机器学习
05-22
机器学习视频网站--请与课程的进度保持同步。 matlab下载地址--windows & linux。链接: 密码: ad6a 数据挖掘导论--作为补充材料。发布于群文件 python学习网站。 numpy教程。 matplotlib教程。 欢迎来到新手村，你...
机器学习 可视化_机器学习-可视化
weixin_26752765的博客
09-04 1611
机器学习 可视化 机器学习导论 (Introduction to machine learning) In the traditional hard-coded approach, we program a computer to perform a certain task. We tell it exactly what to do when it receives a certain inp...
关于人工智能（AI）的研究报告
weixin_44196785的博客
08-29 2582
未来，随着技术的不断创新和应用的不断拓展，人工智能将继续发挥重要作用，推动社会的进步和发展。然而，人工智能的发展也带来了一些挑战，需要我们在技术创新、应用拓展和社会治理等方面共同努力，以确保人工智能的发展符合人类的利益和价值观。就业结构的变化：人工智能的发展将导致就业结构的变化，一些传统的工作岗位将被自动化和智能化的设备所取代，同时也会创造出一些新的工作岗位。社会治理的挑战：人工智能的发展将对社会治理带来挑战，例如如何应对人工智能带来的安全风险、如何保障人工智能的公平性和可及性等。
【大模型理论篇】RoPE旋转位置编码底层数学原理分析
最新发布
源泉的小广场
08-30 1180
大模型、位置编码、Transformer、旋转位置编码、RoPE、Rotary Positional Encoding、数学原理、数学推导、旋转矩阵、相对位置、绝对位置、词元相似性、位置相关性
【python计算机视觉编程——1.基本的图像操作和处理】
热门推荐
m0_53694086的博客
08-26 1万+
参数sigma为标准差（σ），是高斯滤波器的一个重要参数，它控制滤波器的平滑程度。标准差越大，高斯函数的曲线越宽，滤波器的影响范围就越大。标准差较大: 高斯滤波器会在更大范围内进行平滑，使得图像变得更加模糊，细节和边缘特征会被更强地平滑掉。标准差较小: 高斯滤波器会产生较小范围的平滑效果，图像的细节保留更多。还可以给定转换矩阵，将RGB图像转换为CIE XYZ色彩空间。图像像素值被分成128个区间，用于计算每个区间的像素值频率。可以返回目录中所有jpg图像的列表。
【自由能系列（初级）】【开篇论文】自由能原理在多个领域的统一视角
神经美学_茂森的博客
08-27 2919
自由能原理作为一个统一的理论框架，成功地将多个看似不相关的领域（如神经科学、物理学、经济学、信息论、控制论、认知科学和生物学进化）联系在一起。通过自由能原理，我们可以更深刻地理解不同系统如何在给定条件下实现最优行为或状态。#自由能原理 #跨领域统一框架 #优化逻辑 #参数调节 #贝叶斯大脑 #预测编码 #最优控制 #注意力机制 #自然选择 #机器学习。：自由能原理、跨领域统一框架、优化逻辑、参数调节、贝叶斯大脑、预测编码、最优控制、注意力机制、自然选择、机器学习。
未戴安全帽算法检测源码样本安防监控视频分析未戴安全帽检测算法应用场景
LntonCEC的博客
08-29 1190
通过高效的图像处理和实时反馈机制，这些算法不仅提高了安全帽佩戴的检测准确性，还实现了对工地的全覆盖监控。未来，随着技术的不断进步和优化，这些系统将在更多的工地和工业场景中得到广泛应用，为工人的安全保驾护航。同时，系统会记录所有的检测数据，为后续的安全管理和分析提供了宝贵的参考资料。未戴安全帽检测算法是一种基于计算机视觉和深度学习技术的智能分析算法，旨在通过分析图像或视频流，自动识别人员是否佩戴了安全帽，并在检测到未佩戴情况时采取相应的措施（如发出警报或记录事件）。1. 提高检测准确性。
基于协同过滤算法的电影推荐系统的设计与实现(论文+源码)_kaic
weixin_52720882的博客
08-30 929
2020年张志军在《基于协同过滤算法和强化学习的电影推荐系统》文章中提出了一种全新的电影推荐框架叫做CF-DQN推荐框架,它是基于协同过滤算法的改进的强化学习的电影推荐框架,用于实时的电影推荐。
可解释机器学习：历史、现状与挑战
"这篇文章概述了可解释机器学习（IML）的历史、当前的状态以及面临的挑战。作者们来自慕尼黑大学统计学系，他们详细介绍了从20世纪60年代开始，可解释机器学习在回归建模和基于规则的学习中的发展，并强调了近年来该...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值